基于 AFLOW 数据库训练的三元碳化物机器学习原子间势
材料科学
2025-01-29 v2
摘要
大规模密度泛函理论(DFT)数据库是可用于训练原子尺度建模机器学习原子间势的能量、力和应力的宝库。本文利用 AFLOW 数据库中的结构弛豫数据，为四种碳化物体系(HfTaC、HfZrC、MoWC 和 TaTiC)训练了矩张量势(MTPs)。所得 MTPs 被用于弛豫约 6300 个随机对称结构，随后通过主动学习进行改进，生成了能够弛豫多种结构的鲁棒势(RP)，以及专为低能体系弛豫设计的精确势(AP)。研究表明，该方案对 HfTaC、HfZrC 和 TaTiC 体系给出的凸包与 AFLOW 预测的凸包难以区分；对于 MoWC 体系，则预测出了 AFLOW 中未发现的热力学稳定结构，凸显了该方案在晶体结构预测中的潜力。先用 RP 再用 AP 对超过三百个 MoWC 化学计量比晶体进行弛豫，得到的形成焓与 DFT 计算结果高度吻合。
引用
@article{arxiv.2401.01852,
title = {Machine Learned Interatomic Potentials for Ternary Carbides trained on the AFLOW Database},
author = {Josiah Roberts and Biswas Rijal and Simon Divilov and Jon-Paul Maria and William G. Fahrenholtz and Douglas E. Wolfe and Donald W. Brenner and Stefano Curtarolo and Eva Zurek},
journal= {arXiv preprint arXiv:2401.01852},
year = {2025}
}